L'IA, une promesse pour le monde : les vrais obstacles ne sont pas techniques
Alors que l'intelligence artificielle est souvent présentée comme la solution miracle aux grands problèmes mondiaux, notre analyse révèle que les freins majeurs à son efficacité résident dans des défis humains, sociaux et organisationnels, bien au-delà des algorithmes.
L’IA promet de réparer le monde. On entend souvent cette idée. Elle est censée accélérer la découverte de médicaments, mieux gérer les ressources et prédire les catastrophes mondiales. Les entreprises technologiques et les organisations internationales mettent souvent en avant ce discours populaire. Il brosse le tableau de possibilités technologiques infinies. Cette vision inspire de nombreuses personnes. Pourtant, elle omet souvent de considérer les profonds obstacles non techniques qui empêchent l’IA de contribuer efficacement à la résolution des grands problèmes mondiaux.
Les Objectifs de développement durable (ODD) des Nations Unies sont un plan mondial. Ils visent à éliminer la pauvreté, la faim et à améliorer la santé, l’éducation et l’action climatique d’ici 2030. Des groupes comme l’UNICEF et la Banque mondiale investissent dans l’IA pour aider à atteindre ces objectifs. L’IA peut, par exemple, analyser des images satellite pour identifier la pauvreté ou estimer les récoltes. Cette technologie est très efficace pour le traitement des données et la détection de modèles.
Les solutions d’IA échouent souvent loin de la Silicon Valley. Les nations en développement, où les problèmes majeurs sont les plus criants, manquent généralement d’infrastructures de base. Un rapport de 2023 de l’Union internationale des télécommunications (UIT) a montré que 2,6 milliards de personnes n’ont toujours pas accès à Internet. La plupart vivent dans des pays à faible revenu. Les modèles d’IA nécessitent une alimentation électrique stable, une connexion Internet fiable et un stockage de données sécurisé. Ces ressources sont rares précisément là où l’IA serait la plus utile.
Ces problèmes d’accès numérique ne sont pas des problèmes mineurs. Ce sont d’énormes obstacles. Imaginez un outil d’IA destiné à diagnostiquer la tuberculose dans un village reculé. Sa précision sera sans importance si la clinique locale ne dispose pas d’une alimentation électrique stable pour l’appareil. La Dre Maja Mataric, professeure d’informatique à l’USC et experte en IA, le dit clairement : « l’IA la plus avancée est inutile si elle ne peut pas être intégrée dans des systèmes existants, souvent fragiles. »
Données et infrastructures : le véritable enjeu
Des données de qualité et exploitables pour l’apprentissage de l’IA sont souvent rares, en particulier pour les problèmes sociétaux complexes. Les modèles d’IA apprennent des données. Leur efficacité dépend directement de la quantité et de la qualité des données qu’ils reçoivent. Si les données sont rares, biaisées ou inaccessibles, l’IA ne fonctionne tout simplement pas.
Considérez les soins de santé en Afrique subsaharienne. Les dossiers médicaux sont souvent sur papier, incomplets ou non standardisés. Le Dr Alaa Abd-El-Aziz, chercheur à l’Université du Cap, souligne un enjeu crucial. Il note que les modèles d’IA entraînés sur des données provenant de populations occidentales sont souvent peu performants. Cela se produit lorsqu’ils sont appliqués à des contextes africains en raison de différences démographiques, de prévalence des maladies et de facteurs environnementaux. Ce manque de données nuit à la précision et à l’équité. Joy Buolamwini, qui a fondé l’Algorithmic Justice League, a montré comment les systèmes de reconnaissance faciale fabriqués aux États-Unis rencontraient des difficultés. Ils ne pouvaient souvent pas identifier avec précision les femmes à la peau plus foncée. Ses recherches de 2018, avec Timnit Gebru, ont révélé que les taux de biais atteignaient 34,7 % pour les femmes à la peau plus foncée. Pour les hommes à la peau plus claire, ce n’était que 0,8 %. Cela a mis en lumière un problème majeur concernant la représentation des individus dans les données.
Joy Buolamwini, fondatrice de l'Algorithmic Justice League, a révélé comment les systèmes de reconnaissance faciale fabriqués aux États-Unis rencontraient des difficultés à identifier les femmes à la peau plus foncée, avec des taux de biais atteignant 34,7 % contre 0,8 % pour les hommes à la peau plus claire. Ses recherches pionnières soulignent les lacunes critiques en matière de données, qui compromettent l'équité et la précision de l'IA dans des contextes divers. (Source : pbs.org)
La construction et la maintenance des infrastructures numériques constituent une autre tâche colossale. Le « Global Risks Report » 2021 du Forum économique mondial a désigné l’effondrement des infrastructures comme un danger mondial majeur. Les applications d’IA, en particulier celles dotées de grands modèles linguistiques ou d’apprentissage automatique complexe, nécessitent une puissance de calcul considérable. Les centres de données utilisent d’énormes quantités d’énergie, souvent issues de combustibles fossiles. Cela contribue aux problèmes climatiques que l’IA prétend précisément résoudre.
Même lorsque l’infrastructure existe, elle tombe souvent en panne. Les catastrophes naturelles peuvent détruire les réseaux de communication, comme après le tremblement de terre de 2021 en Haïti. Une étude du Programme des Nations Unies pour le développement (PNUD) de 2022 a montré comment le manque d’accès numérique aggrave les inégalités. Cela empêche les communautés fragiles d’obtenir des services essentiels, y compris ceux gérés par l’IA. Investir dans l’IA avant les infrastructures de base, c’est comme acheter un superordinateur pour un village sans électricité.
Au-delà du code : les personnes et la politique
Des compétences humaines sont essentielles pour que les systèmes d’IA fonctionnent et soient pérennes. L’IA n’est pas une simple solution plug-and-play. Elle nécessite des personnes qualifiées pour l’installer, la surveiller et l’adapter. Cela inclut des data scientists, des ingénieurs et des experts locaux. Ces experts doivent comprendre les spécificités culturelles et sociales du problème. De telles compétences sont souvent rares là où elles sont le plus nécessaires.
Un rapport de l’Union africaine de 2023 a souligné que le continent comptait trop peu de chercheurs et de professionnels de l’IA. Les universités ne peuvent pas former suffisamment de diplômés ayant des compétences avancées en IA. Cela signifie que même si des outils d’IA sont construits, les communautés locales ne peuvent pas se les approprier, les maintenir ou les améliorer. Cela les rend dépendantes d’intervenants extérieurs, souvent issus de pays plus riches. Cela nuit au contrôle local et au succès à long terme.
Les règles éthiques constituent un autre défi majeur. La mise en œuvre de systèmes d’IA robustes dans des domaines sensibles comme la santé, l’éducation ou la justice nécessite des lignes directrices éthiques strictes. Ces règles doivent couvrir la confidentialité des données, le biais algorithmique, la responsabilité et la transparence. La loi sur l’IA de l’UE, par exemple, est une initiative ambitieuse pour réguler l’IA. Mais appliquer des règles aussi complexes dans des contextes mondiaux aussi divers est très difficile.
Par exemple, un outil d’IA destiné à distribuer des ressources rares, comme l’aide alimentaire, pourrait accidentellement nuire à certains groupes. Cela se produit s’il n’est pas conçu et surveillé avec rigueur. La Dre Kate Crawford, experte de premier plan en IA et en justice, écrit dans son livre de 2021 Atlas of AI : « les systèmes d’IA ne sont pas neutres ; ils reflètent et amplifient les biais intégrés dans les données sur lesquelles ils sont entraînés et dans les sociétés qui les construisent. » Sans un contrôle local fort et des mécanismes de contrôle, l’IA peut aggraver les inégalités existantes, plutôt que de les résoudre.
Les centres de données massifs, l'épine dorsale physique des applications d'IA, nécessitent une puissance de calcul immense et consomment de vastes quantités d'énergie, souvent issues de combustibles fossiles. Cette demande énergétique contribue aux problèmes climatiques que l'IA prétend résoudre, soulignant un défi critique dans la construction d'une infrastructure numérique durable. (Source : dreamstime.com)
Au-delà de l’algorithme : le véritable changement
L’accent mis sur les capacités de l’IA détourne souvent l’attention des problèmes plus profonds qui entravent un réel changement social. Les gens disent souvent que l’IA peut « brûler les étapes » du développement, en évitant les infrastructures traditionnelles grâce aux nouvelles technologies. Cela semble bien, mais cela passe souvent à côté de la réalité. Un véritable changement nécessite plus qu’un simple code intelligent.
Une meilleure approche considère l’IA comme un outil, pas une panacée. Elle privilégie les personnes, les infrastructures de base et des réglementations solides. Au lieu de simplement introduire des solutions d’IA préfabriquées, nous devrions développer la technologie avec les communautés locales. Cela garantit qu’elle répond aux besoins locaux, développe les compétences locales et résout des problèmes réels.
Considérez la préparation aux catastrophes. L’IA peut prédire les modèles météorologiques. Mais les réseaux humains et les communautés fortes sont primordiaux. Les alertes précoces nécessitent une bonne communication et du personnel local formé. Une étude de 2023 du Fonds de défense de l’environnement a montré que la combinaison des modèles climatiques de l’IA avec la surveillance communautaire permet d’élaborer de meilleurs plans. Cela aide les communautés à s’adapter plus efficacement.
Pour que l’IA contribue efficacement à la société, nous devons changer notre façon de penser. Cela signifie dépasser l’idée que la technologie seule peut tout résoudre. La véritable puissance de l’IA n’émerge que lorsqu’elle s’intègre dans des systèmes sociaux solides. Elle nécessite un accès équitable aux ressources et des règles éthiques claires. Cette approche – qui privilégie les personnes et les infrastructures, en complément du code – est la seule façon d’opérer un changement réel et durable. Tout le reste n’est qu’un rêve.
FAQ
Q1 : Qu’est-ce que l’« IA pour l’impact » ? R1 : L’« IA pour l’impact » désigne l’utilisation de l’intelligence artificielle pour s’attaquer aux grands problèmes sociétaux. Ceux-ci correspondent souvent aux Objectifs de développement durable des Nations Unies, comme une meilleure santé, moins de pauvreté ou la lutte contre le changement climatique. L’idée est de mettre l’intelligence de l’IA au service du bien commun.
Q2 : Pourquoi la qualité des données est-elle un problème pour l’IA dans les pays en développement ? R2 : La qualité des données est un problème car de nombreuses régions en développement ne disposent pas de données standardisées, numérisées ou complètes. Les modèles d’IA entraînés sur des données provenant d’autres endroits sont souvent peu performants lorsqu’ils sont appliqués localement. Cela peut entraîner des prédictions erronées, des résultats injustes et un service médiocre.
Dans de nombreuses communautés, le personnel local formé est l'épine dorsale de la préparation aux catastrophes, traduisant les alertes météorologiques précoces basées sur l'IA en actions concrètes et assurant une communication efficace au sein de leurs réseaux, incarnant l'approche qui privilégie l'humain pour le changement sociétal. (Source : nyc.gov)
Q3 : L’IA crée-t-elle de nouveaux problèmes tout en en résolvant d’autres ? R3 : Oui, l’IA peut accidentellement aggraver les problèmes si elle n’est pas utilisée avec discernement. Par exemple, les algorithmes biaisés peuvent amplifier les injustices sociales existantes. De plus, les systèmes d’IA consomment beaucoup d’énergie. Cela peut contribuer aux problématiques climatiques, contrecarrant les efforts de lutte contre le changement climatique.
Le recul rapide des glaciers dans le monde entier, comme le glacier Okjökull en Islande qui a été déclaré mort en 2019, est un indicateur visuel frappant du changement climatique mondial, un problème exacerbé par la consommation d'énergie significative des systèmes d'IA. (Source : earth.com)
Vous pourriez aussi aimer:
👉 Colonisation spatiale : une grande illusion ? Les vraies solutions sont sur Terre
👉 Avenirs durables : Investissement, Cybersécurité et Avenir du travail
